基于品牌屬性的網(wǎng)絡(luò)消費(fèi)者手機(jī)品牌選擇模型

童琳　李春菲　李余輝

摘 要：本文基于屬性因素，構(gòu)建了網(wǎng)絡(luò)消費(fèi)者手機(jī)品牌選擇的二元LOGIT模型，鑒別出影響消費(fèi)者手機(jī)品牌選擇行為的屬性因素，最后給出相應(yīng)營(yíng)銷建議。

關(guān)鍵詞：品牌選擇；品牌屬性；二元LOGIT模型

近年來(lái)，價(jià)格戰(zhàn)的做法使各手機(jī)廠商跌入了低利潤(rùn)的陷阱，品牌和質(zhì)量成為消費(fèi)者購(gòu)買手機(jī)所考慮的首要因素。因此，研究品牌屬性對(duì)消費(fèi)者手機(jī)品牌選擇行為的影響具有重要理論與現(xiàn)實(shí)意義。本文基于屬性因素，構(gòu)建了網(wǎng)絡(luò)消費(fèi)者手機(jī)品牌選擇的二元LOGIT模型，鑒別出影響消費(fèi)者手機(jī)品牌選擇行為的屬性因素，最后給出相應(yīng)營(yíng)銷建議。

一、樣本及變量說(shuō)明

本文通過(guò)在線方式收集京東商城、ZOL網(wǎng)等主流手機(jī)網(wǎng)絡(luò)評(píng)價(jià)平臺(tái)手機(jī)客戶反饋信息，將評(píng)價(jià)意見及對(duì)手機(jī)的整體滿意程度進(jìn)行量化，最終得到容量為673的樣本數(shù)據(jù)，和用戶比較關(guān)注的產(chǎn)品屬性，分別是：手機(jī)尺寸重量、外觀形象、功能設(shè)計(jì)、電池性能、制造質(zhì)量、易操作性、攝像頭性能、內(nèi)存容量、觸摸屏性能、分辨率、系統(tǒng)穩(wěn)定性、實(shí)際價(jià)格等主要屬性，同時(shí)引入變量記號(hào)Xi，i=1，2，...12.表示。

二、品牌選擇模型的構(gòu)建

對(duì)品牌屬性Xi，i=1，2，…12的表現(xiàn)力評(píng)價(jià)進(jìn)行如下量化表示：Xi=-1，0，1，分別代表該用戶對(duì)第i個(gè)品牌屬性表示不認(rèn)同、無(wú)所謂、認(rèn)同。同時(shí)對(duì)用戶下次選擇品牌的意愿Y進(jìn)行如下量化表示：Y=1，0，分別代表該用戶會(huì)、不會(huì)選擇購(gòu)買該品牌。

根據(jù)行為心理學(xué)及相關(guān)理論，用戶對(duì)品牌屬性表現(xiàn)力的認(rèn)同情況在一定程度上會(huì)反映和解釋用戶對(duì)該品牌進(jìn)行選擇購(gòu)買的意愿。鑒于此，本文結(jié)合二元Logit模型的相關(guān)理論應(yīng)用，構(gòu)建消費(fèi)者品牌選擇行為的二元Logit模型如下： LOGIT（P）=k0+k1X1+k2X2+……+k12X12

其中LOGIT（P）=lnP/（1-P） ，P=Prob（Y=1）。

三、基于Logit回歸模型的分析

1. 相關(guān)分析

我們采取相關(guān)系數(shù)矩陣進(jìn)行診斷，結(jié)果發(fā)現(xiàn)多個(gè)變量之間存在明顯相關(guān)關(guān)系，如X2與X5相關(guān)系數(shù)達(dá)到0.34，屬性變量中存在眾多的變量之間相關(guān)系數(shù)均顯著，故認(rèn)為屬性變量X1X12之間存在相關(guān)關(guān)系，這會(huì)導(dǎo)致多重共線性。

2.基于逐步選擇法的優(yōu)化

從上述分析可以看出12個(gè)品牌屬性之間存在較強(qiáng)的共線性，故接下來(lái)考慮對(duì)這12個(gè)品牌屬性變量進(jìn)行篩選。利用反向逐步選擇法，在包含所有變量的模型基礎(chǔ)上，通過(guò)逐個(gè)剔除不符合顯著性水平（取顯著性水平為α=0.05）的變量，五步之后最后得到了只包含八個(gè)符合標(biāo)準(zhǔn)的變量X2、X3、X4、X5、X6、X8、X11、X12的Logit模型，且檢驗(yàn)p值均達(dá)到比較小的水平。

利用上述逐步選擇法的結(jié)論，我們最終可以得到消費(fèi)者品牌行為選擇的二元Logit模型為：

logit（P）=0.738+3.346X2+2.698X3+2.654X4+4.158X5+1.493X6+1.659X8+5.232X11+2.107X12

3.擬合效果與分類效果分析

對(duì)于上述通過(guò)反向選擇法得到的二元Logit模型，通過(guò)比較上述五步的每步所得模型的Cox&SnellR2系數(shù)與NagelkerkeR2系數(shù)，得到在進(jìn)行五次剔除變量后的模型整體的優(yōu)化趨勢(shì)與程度。觀察發(fā)現(xiàn)，雖然每次所得到的模型包含的變量在逐步減少，但模型整體對(duì)樣本的擬合優(yōu)度幾乎沒(méi)有太大變化，此結(jié)果說(shuō)明反向回歸法每次所剔除的變量均是對(duì)因變量影響不顯著的變量，剔除后并沒(méi)有損失太多變量信息。

由最后一步的Nagelkerke R2的值0.883可以看出，我們所得到消費(fèi)者品牌選擇的二元Logit模型對(duì)樣本的擬合效果還是不錯(cuò)的，篩選得到的8個(gè)屬性變量：外觀設(shè)計(jì)、功能設(shè)計(jì)、電池性能、實(shí)際價(jià)格、易操作性、內(nèi)存容量、系統(tǒng)穩(wěn)定性和制造質(zhì)量對(duì)因變量的變異部分起到了88.3%的解釋作用，達(dá)到了十分理想的擬合效果。

另外，通過(guò)分析模型的分類表，得到二元Logit模型的總正確率、敏感度及其指定度，得到具體結(jié)果如下：對(duì)于收集的683個(gè)案例中，一共有252+392=644個(gè)被所構(gòu)建的二元Logit模型所正確分類，總正確率達(dá)到95.7%，這是一個(gè)非常理想的水平。其中模型的敏感度，即被正確預(yù)測(cè)事件發(fā)生的案例數(shù)與觀測(cè)事件發(fā)生的案例數(shù)之比，為392/（17+392）=95.8%；模型的指定度，即正確預(yù)測(cè)事件未發(fā)生的案例數(shù)與觀測(cè)事件未發(fā)生的案例數(shù)之比為252/（252+12）=95.5% ，都達(dá)到了非常高的分類水平，是一個(gè)令人滿意的結(jié)果。

四、研究結(jié)論

綜上所述，利用以下通過(guò)篩選得到的8個(gè)屬性變量：外觀設(shè)計(jì)、功能設(shè)計(jì)、電池性能、實(shí)際價(jià)格、易操作性、內(nèi)存容量、系統(tǒng)穩(wěn)定性和制造質(zhì)量，其所構(gòu)建的品牌選擇二元Logit模型是非常理想的模型，并得到以下研究結(jié)論。

結(jié)論1 品牌屬性是對(duì)消費(fèi)者下次品牌選擇意愿有著正向的影響，即品牌屬性的升高，會(huì)增加消費(fèi)者下次選擇該品牌的概率；

結(jié)論2 品牌的實(shí)際價(jià)格對(duì)消費(fèi)者下次品牌選擇意愿有著負(fù)向的影響，品牌在產(chǎn)品實(shí)際價(jià)格上的提升，會(huì)減小消費(fèi)者下次選擇該品牌的概率；

結(jié)論3 相比于價(jià)格因素，品牌屬性對(duì)消費(fèi)者下次品牌選擇意愿的綜合影響程度要更強(qiáng)一些。

五、營(yíng)銷啟示

品牌戰(zhàn)略是企業(yè)戰(zhàn)略的一個(gè)十分重要的方面。從長(zhǎng)期過(guò)程來(lái)看， 企業(yè)的產(chǎn)品會(huì)不斷更新?lián)Q代， 但其良好的品牌資產(chǎn)則會(huì)使企業(yè)長(zhǎng)期受益。然而， 如何制定品牌戰(zhàn)略， 如何創(chuàng)立、維護(hù)及發(fā)展品牌， 對(duì)于任何企業(yè)而言則又是一項(xiàng)十分艱巨的工作。鑒于該研究結(jié)論，對(duì)于制造商和營(yíng)銷者的市場(chǎng)營(yíng)銷戰(zhàn)略和決策的制定，我們可以得到以下營(yíng)銷啟示：

1.要識(shí)別目標(biāo)顧客對(duì)產(chǎn)品屬性的“關(guān)心點(diǎn)”；2. 要關(guān)注測(cè)定目標(biāo)顧客賦予產(chǎn)品主要屬性的權(quán)重；3.要正確認(rèn)識(shí)價(jià)格因素的影響，避免走入價(jià)格營(yíng)銷的誤區(qū)：（1）不要片面夸大價(jià)格在營(yíng)銷中的作用，（2）不要無(wú)度削價(jià)競(jìng)銷；4.轉(zhuǎn)變營(yíng)銷觀念，注重產(chǎn)品細(xì)節(jié)和技術(shù)創(chuàng)新。（作者單位：桂林電子科技大學(xué)法學(xué)院）

基金項(xiàng)目：桂林電子科技大學(xué)教育改革項(xiàng)目（ZL2866）

參考文獻(xiàn)：

[1] 符國(guó)群，佟學(xué)英. 品牌、價(jià)格和原產(chǎn)地如何影響消費(fèi)者的購(gòu)買選擇[J].管理科學(xué)學(xué)報(bào)，2003，6（6）：79-84.

[2] 張文彤. SPSS統(tǒng)計(jì)分析高等教程[M].北京：高等教育出版社，2004.